原文出处:拓端数据部落公众号
目录
摘要
使用Spearman等级相关性测试两个等级变量或一个等级变量和一个测量变量之间的关联。 如果您担心非正态性,也可以对两个测量变量使用Spearman等级相关性而不是线性回归/相关性,但这通常不是必须的。
本文展示了r语言中如何进行Spearman等级相关分析的例子。
宏伟的军舰鸟(军舰鸟magnificens)的雄性有一个大红色的喉囊。 他们直观地展示这袋并用它寻找伴侣时,能发出击鼓声。 想知道雌性(可能是根据袋的大小选择伴侣)是否可以将击鼓声的音调作为袋大小的指标。 作者估计了18位雄性的小袋的体积和击鼓声的基本频率。
有两个测量变量,袋的大小和频率。 作者使用Spearman等级相关性分析了数据,该关联将测量变量转换为等级,并且变量之间的关系很显着(Spearman的rho = -0.76,16 d.f.,P = 0.0002)。 作者没有解释为什么他们使用Spearman等级相关性。 如果他们使用正相关,获得r = -0.82,P = 0.00003。
例
Spearman等级相关的例子
### --------------------------------------------------------------
### Spearman rank correlation, frigatebird example
Data = read.table(textConnection(Input),header=TRUE)
cor.test( ~ Pitch + Volume,
data=Data,
method = "spearman",
continuity = FALSE,
conf.level = 0.95)
Spearman's rank correlation rho
S = 1708.382, p-value = 0.0002302
sample estimates:
rho
-0.7630357
数据简单图
plot(Pitch ~ Volume,
data=Data,
pch=16)
绘制结果图
有关此主题的信息,请参见手册。
怎么做测试
Spearman's rank correlation rho
S = 1111.908, p-value = 0.1526
rho
-0.3626323
数据简单图
最受欢迎的见解
3.matlab中的偏最小二乘回归(PLSR)和主成分回归(PCR)
5.R语言回归中的Hosmer-Lemeshow拟合优度检验